| 文件 | 最后提交记录 | 最后更新时间 |
|---|---|---|
feat(PIDModelFit): 新增 9个 PID 整定算子 + E2E 验证（系列共 12个，完整覆盖 PID 整定流程） Co-authored-by: liuhaidong<aliutec@163.com> # message auto-generated for no-merge-commit merge: !21 merge devin/1781921853-pid-modelfit-ops into master feat(PIDModelFit): 新增 9个 PID 整定算子 + E2E 验证（系列共 12个，完整覆盖 PID 整定流程） Created-by: haikuo Commit-by: liuhaidong Merged-by: cann-robot Description: ## Summary 本次为 **PIDModelFit** 算子系列提交：当前正式口径共 **12 个 NPU 自定义算子**，其中包括前序已提交的 **3 个 *_basis_gemm_fit 模型辨识算子**，以及本轮新增并保留的 **9 个诊断、整定、候选仿真、特征提取和评估类算子**。这 12 个算子共同覆盖 PID 整定主流程：模型辨识 → 模型诊断 → PID 参数生成 → 候选闭环仿真/评分/选优 → 候选特征提取 → 控制性能与过程能力评估。 > 重点（committer 第一眼）：本次正式合入范围已从早期探索口径收敛为 **12 个正式算子**。前序 3 个 *_basis_gemm_fit 辨识算子作为模型辨识基础能力保留，并补充 benchmark、docs/benchmark.md 与 README 描述；本轮新增并保留 9 个下游算子，补齐 PIDModelFit 从“能辨识模型”到“能诊断、能整定、能仿真选优、能验收评估”的完整工程链路。探索/历史原型算子不进入本次正式提交范围。 ## 算子清单（9 新 + 3 已有 = 12），按 PID 整定 6 阶段 1. **模型辨识**：pid_fopdt_basis_gemm_fit · pid_ipdt_basis_gemm_fit · pid_sopdt_basis_gemm_fit 2. **模型质量诊断**：pid_residual_diagnostics · pid_windowed_residual_diagnostics 3. **PID 参数生成**：pid_tuning_rule_batch（Ziegler-Nichols / IMC / Cohen-Coon） 4. **候选闭环仿真、评分与选优**：pid_fopdt_batch_rollout_score · pid_ipdt_batch_rollout_score · pid_sopdt_batch_rollout_score 5. **候选响应特征提取**：pid_step_response_features 6. **控制性能与过程能力评估**：pid_control_performance_metrics · pid_process_capability_metrics → 新增的 IPDT / SOPDT rollout 补齐了候选仿真阶段对 FOPDT / IPDT / SOPDT 三类模型的覆盖；三个 batch rollout 算子已融合候选特征、候选评分和 best 选择，直接输出每条回路的最优 PID 候选结果。 ## E2E 验证：算子有效且具备 NPU resident 链路价值（Ascend910B3 / node202 真编真跑） - **有效（精度）**：12/12 算子均提供 Python/CPU reference、精度测试或 NPU smoke/benchmark 入口；NPU 输出与 CPU reference 在 float32 容差内对齐。FOPDT 全链路 E2E 覆盖 fit -> tuning_rule -> fopdt_rollout -> performance_metrics，分阶段与 CPU reference 对齐，链路语义自洽。 - **高效（vs CPU 64 线程）**：模型辨识 pipeline 是最明确 NPU 价值点，MatMul + reduce resident e2e 约 28x-180x；三类 batch rollout 在典型候选规模下约 4x-7x；残差诊断、窗口残差、候选特征和指标类算子适合作为 NPU resident 后处理，避免中间轨迹回传 CPU。 - **工程定位清晰**：pid_tuning_rule_batch 算术强度较低，不作为单独性能卖点，但它支撑 E2E 中“模型参数 -> PID 候选”的 device 侧候选生成阶段；评估类算子推荐挂在 NPU resident 流水线后端使用。 ## 主要改动 - 9 个新增正式算子目录，均包含 op_host / op_kernel / examples / tests / docs / README 等标准交付件结构。 - 3 个前序 *_basis_gemm_fit 模型辨识算子作为基础能力保留，并补充 benchmark、README 和文档说明。 - common/ 提供 CPU / NumPy reference 与共享辅助实现。 - e2e/ 提供全链路验证驱动，包括 e2e_perf、e2e_orchestrator.py 和 build_e2e.sh。 - 顶层 docs/ 收敛为正式交付文档：design.md、test_report.md、pid_operator_catalog_by_purpose.md。 ## 验证环境 Ascend910B3，CANN toolkit，g++ 10.3.1 See merge request: cann/mat-chem-sim-pred!21 | 1 个月前 | |
feat(PIDModelFit): 新增 9个 PID 整定算子 + E2E 验证（系列共 12个，完整覆盖 PID 整定流程） Co-authored-by: liuhaidong<aliutec@163.com> # message auto-generated for no-merge-commit merge: !21 merge devin/1781921853-pid-modelfit-ops into master feat(PIDModelFit): 新增 9个 PID 整定算子 + E2E 验证（系列共 12个，完整覆盖 PID 整定流程） Created-by: haikuo Commit-by: liuhaidong Merged-by: cann-robot Description: ## Summary 本次为 **PIDModelFit** 算子系列提交：当前正式口径共 **12 个 NPU 自定义算子**，其中包括前序已提交的 **3 个 *_basis_gemm_fit 模型辨识算子**，以及本轮新增并保留的 **9 个诊断、整定、候选仿真、特征提取和评估类算子**。这 12 个算子共同覆盖 PID 整定主流程：模型辨识 → 模型诊断 → PID 参数生成 → 候选闭环仿真/评分/选优 → 候选特征提取 → 控制性能与过程能力评估。 > 重点（committer 第一眼）：本次正式合入范围已从早期探索口径收敛为 **12 个正式算子**。前序 3 个 *_basis_gemm_fit 辨识算子作为模型辨识基础能力保留，并补充 benchmark、docs/benchmark.md 与 README 描述；本轮新增并保留 9 个下游算子，补齐 PIDModelFit 从“能辨识模型”到“能诊断、能整定、能仿真选优、能验收评估”的完整工程链路。探索/历史原型算子不进入本次正式提交范围。 ## 算子清单（9 新 + 3 已有 = 12），按 PID 整定 6 阶段 1. **模型辨识**：pid_fopdt_basis_gemm_fit · pid_ipdt_basis_gemm_fit · pid_sopdt_basis_gemm_fit 2. **模型质量诊断**：pid_residual_diagnostics · pid_windowed_residual_diagnostics 3. **PID 参数生成**：pid_tuning_rule_batch（Ziegler-Nichols / IMC / Cohen-Coon） 4. **候选闭环仿真、评分与选优**：pid_fopdt_batch_rollout_score · pid_ipdt_batch_rollout_score · pid_sopdt_batch_rollout_score 5. **候选响应特征提取**：pid_step_response_features 6. **控制性能与过程能力评估**：pid_control_performance_metrics · pid_process_capability_metrics → 新增的 IPDT / SOPDT rollout 补齐了候选仿真阶段对 FOPDT / IPDT / SOPDT 三类模型的覆盖；三个 batch rollout 算子已融合候选特征、候选评分和 best 选择，直接输出每条回路的最优 PID 候选结果。 ## E2E 验证：算子有效且具备 NPU resident 链路价值（Ascend910B3 / node202 真编真跑） - **有效（精度）**：12/12 算子均提供 Python/CPU reference、精度测试或 NPU smoke/benchmark 入口；NPU 输出与 CPU reference 在 float32 容差内对齐。FOPDT 全链路 E2E 覆盖 fit -> tuning_rule -> fopdt_rollout -> performance_metrics，分阶段与 CPU reference 对齐，链路语义自洽。 - **高效（vs CPU 64 线程）**：模型辨识 pipeline 是最明确 NPU 价值点，MatMul + reduce resident e2e 约 28x-180x；三类 batch rollout 在典型候选规模下约 4x-7x；残差诊断、窗口残差、候选特征和指标类算子适合作为 NPU resident 后处理，避免中间轨迹回传 CPU。 - **工程定位清晰**：pid_tuning_rule_batch 算术强度较低，不作为单独性能卖点，但它支撑 E2E 中“模型参数 -> PID 候选”的 device 侧候选生成阶段；评估类算子推荐挂在 NPU resident 流水线后端使用。 ## 主要改动 - 9 个新增正式算子目录，均包含 op_host / op_kernel / examples / tests / docs / README 等标准交付件结构。 - 3 个前序 *_basis_gemm_fit 模型辨识算子作为基础能力保留，并补充 benchmark、README 和文档说明。 - common/ 提供 CPU / NumPy reference 与共享辅助实现。 - e2e/ 提供全链路验证驱动，包括 e2e_perf、e2e_orchestrator.py 和 build_e2e.sh。 - 顶层 docs/ 收敛为正式交付文档：design.md、test_report.md、pid_operator_catalog_by_purpose.md。 ## 验证环境 Ascend910B3，CANN toolkit，g++ 10.3.1 See merge request: cann/mat-chem-sim-pred!21 | 1 个月前 | |
feat(PIDModelFit): 新增 9个 PID 整定算子 + E2E 验证（系列共 12个，完整覆盖 PID 整定流程） Co-authored-by: liuhaidong<aliutec@163.com> # message auto-generated for no-merge-commit merge: !21 merge devin/1781921853-pid-modelfit-ops into master feat(PIDModelFit): 新增 9个 PID 整定算子 + E2E 验证（系列共 12个，完整覆盖 PID 整定流程） Created-by: haikuo Commit-by: liuhaidong Merged-by: cann-robot Description: ## Summary 本次为 **PIDModelFit** 算子系列提交：当前正式口径共 **12 个 NPU 自定义算子**，其中包括前序已提交的 **3 个 *_basis_gemm_fit 模型辨识算子**，以及本轮新增并保留的 **9 个诊断、整定、候选仿真、特征提取和评估类算子**。这 12 个算子共同覆盖 PID 整定主流程：模型辨识 → 模型诊断 → PID 参数生成 → 候选闭环仿真/评分/选优 → 候选特征提取 → 控制性能与过程能力评估。 > 重点（committer 第一眼）：本次正式合入范围已从早期探索口径收敛为 **12 个正式算子**。前序 3 个 *_basis_gemm_fit 辨识算子作为模型辨识基础能力保留，并补充 benchmark、docs/benchmark.md 与 README 描述；本轮新增并保留 9 个下游算子，补齐 PIDModelFit 从“能辨识模型”到“能诊断、能整定、能仿真选优、能验收评估”的完整工程链路。探索/历史原型算子不进入本次正式提交范围。 ## 算子清单（9 新 + 3 已有 = 12），按 PID 整定 6 阶段 1. **模型辨识**：pid_fopdt_basis_gemm_fit · pid_ipdt_basis_gemm_fit · pid_sopdt_basis_gemm_fit 2. **模型质量诊断**：pid_residual_diagnostics · pid_windowed_residual_diagnostics 3. **PID 参数生成**：pid_tuning_rule_batch（Ziegler-Nichols / IMC / Cohen-Coon） 4. **候选闭环仿真、评分与选优**：pid_fopdt_batch_rollout_score · pid_ipdt_batch_rollout_score · pid_sopdt_batch_rollout_score 5. **候选响应特征提取**：pid_step_response_features 6. **控制性能与过程能力评估**：pid_control_performance_metrics · pid_process_capability_metrics → 新增的 IPDT / SOPDT rollout 补齐了候选仿真阶段对 FOPDT / IPDT / SOPDT 三类模型的覆盖；三个 batch rollout 算子已融合候选特征、候选评分和 best 选择，直接输出每条回路的最优 PID 候选结果。 ## E2E 验证：算子有效且具备 NPU resident 链路价值（Ascend910B3 / node202 真编真跑） - **有效（精度）**：12/12 算子均提供 Python/CPU reference、精度测试或 NPU smoke/benchmark 入口；NPU 输出与 CPU reference 在 float32 容差内对齐。FOPDT 全链路 E2E 覆盖 fit -> tuning_rule -> fopdt_rollout -> performance_metrics，分阶段与 CPU reference 对齐，链路语义自洽。 - **高效（vs CPU 64 线程）**：模型辨识 pipeline 是最明确 NPU 价值点，MatMul + reduce resident e2e 约 28x-180x；三类 batch rollout 在典型候选规模下约 4x-7x；残差诊断、窗口残差、候选特征和指标类算子适合作为 NPU resident 后处理，避免中间轨迹回传 CPU。 - **工程定位清晰**：pid_tuning_rule_batch 算术强度较低，不作为单独性能卖点，但它支撑 E2E 中“模型参数 -> PID 候选”的 device 侧候选生成阶段；评估类算子推荐挂在 NPU resident 流水线后端使用。 ## 主要改动 - 9 个新增正式算子目录，均包含 op_host / op_kernel / examples / tests / docs / README 等标准交付件结构。 - 3 个前序 *_basis_gemm_fit 模型辨识算子作为基础能力保留，并补充 benchmark、README 和文档说明。 - common/ 提供 CPU / NumPy reference 与共享辅助实现。 - e2e/ 提供全链路验证驱动，包括 e2e_perf、e2e_orchestrator.py 和 build_e2e.sh。 - 顶层 docs/ 收敛为正式交付文档：design.md、test_report.md、pid_operator_catalog_by_purpose.md。 ## 验证环境 Ascend910B3，CANN toolkit，g++ 10.3.1 See merge request: cann/mat-chem-sim-pred!21 | 1 个月前 | |
feat(PIDModelFit): 新增 9个 PID 整定算子 + E2E 验证（系列共 12个，完整覆盖 PID 整定流程） Co-authored-by: liuhaidong<aliutec@163.com> # message auto-generated for no-merge-commit merge: !21 merge devin/1781921853-pid-modelfit-ops into master feat(PIDModelFit): 新增 9个 PID 整定算子 + E2E 验证（系列共 12个，完整覆盖 PID 整定流程） Created-by: haikuo Commit-by: liuhaidong Merged-by: cann-robot Description: ## Summary 本次为 **PIDModelFit** 算子系列提交：当前正式口径共 **12 个 NPU 自定义算子**，其中包括前序已提交的 **3 个 *_basis_gemm_fit 模型辨识算子**，以及本轮新增并保留的 **9 个诊断、整定、候选仿真、特征提取和评估类算子**。这 12 个算子共同覆盖 PID 整定主流程：模型辨识 → 模型诊断 → PID 参数生成 → 候选闭环仿真/评分/选优 → 候选特征提取 → 控制性能与过程能力评估。 > 重点（committer 第一眼）：本次正式合入范围已从早期探索口径收敛为 **12 个正式算子**。前序 3 个 *_basis_gemm_fit 辨识算子作为模型辨识基础能力保留，并补充 benchmark、docs/benchmark.md 与 README 描述；本轮新增并保留 9 个下游算子，补齐 PIDModelFit 从“能辨识模型”到“能诊断、能整定、能仿真选优、能验收评估”的完整工程链路。探索/历史原型算子不进入本次正式提交范围。 ## 算子清单（9 新 + 3 已有 = 12），按 PID 整定 6 阶段 1. **模型辨识**：pid_fopdt_basis_gemm_fit · pid_ipdt_basis_gemm_fit · pid_sopdt_basis_gemm_fit 2. **模型质量诊断**：pid_residual_diagnostics · pid_windowed_residual_diagnostics 3. **PID 参数生成**：pid_tuning_rule_batch（Ziegler-Nichols / IMC / Cohen-Coon） 4. **候选闭环仿真、评分与选优**：pid_fopdt_batch_rollout_score · pid_ipdt_batch_rollout_score · pid_sopdt_batch_rollout_score 5. **候选响应特征提取**：pid_step_response_features 6. **控制性能与过程能力评估**：pid_control_performance_metrics · pid_process_capability_metrics → 新增的 IPDT / SOPDT rollout 补齐了候选仿真阶段对 FOPDT / IPDT / SOPDT 三类模型的覆盖；三个 batch rollout 算子已融合候选特征、候选评分和 best 选择，直接输出每条回路的最优 PID 候选结果。 ## E2E 验证：算子有效且具备 NPU resident 链路价值（Ascend910B3 / node202 真编真跑） - **有效（精度）**：12/12 算子均提供 Python/CPU reference、精度测试或 NPU smoke/benchmark 入口；NPU 输出与 CPU reference 在 float32 容差内对齐。FOPDT 全链路 E2E 覆盖 fit -> tuning_rule -> fopdt_rollout -> performance_metrics，分阶段与 CPU reference 对齐，链路语义自洽。 - **高效（vs CPU 64 线程）**：模型辨识 pipeline 是最明确 NPU 价值点，MatMul + reduce resident e2e 约 28x-180x；三类 batch rollout 在典型候选规模下约 4x-7x；残差诊断、窗口残差、候选特征和指标类算子适合作为 NPU resident 后处理，避免中间轨迹回传 CPU。 - **工程定位清晰**：pid_tuning_rule_batch 算术强度较低，不作为单独性能卖点，但它支撑 E2E 中“模型参数 -> PID 候选”的 device 侧候选生成阶段；评估类算子推荐挂在 NPU resident 流水线后端使用。 ## 主要改动 - 9 个新增正式算子目录，均包含 op_host / op_kernel / examples / tests / docs / README 等标准交付件结构。 - 3 个前序 *_basis_gemm_fit 模型辨识算子作为基础能力保留，并补充 benchmark、README 和文档说明。 - common/ 提供 CPU / NumPy reference 与共享辅助实现。 - e2e/ 提供全链路验证驱动，包括 e2e_perf、e2e_orchestrator.py 和 build_e2e.sh。 - 顶层 docs/ 收敛为正式交付文档：design.md、test_report.md、pid_operator_catalog_by_purpose.md。 ## 验证环境 Ascend910B3，CANN toolkit，g++ 10.3.1 See merge request: cann/mat-chem-sim-pred!21 | 1 个月前 | |
feat(PIDModelFit): 新增 9个 PID 整定算子 + E2E 验证（系列共 12个，完整覆盖 PID 整定流程） Co-authored-by: liuhaidong<aliutec@163.com> # message auto-generated for no-merge-commit merge: !21 merge devin/1781921853-pid-modelfit-ops into master feat(PIDModelFit): 新增 9个 PID 整定算子 + E2E 验证（系列共 12个，完整覆盖 PID 整定流程） Created-by: haikuo Commit-by: liuhaidong Merged-by: cann-robot Description: ## Summary 本次为 **PIDModelFit** 算子系列提交：当前正式口径共 **12 个 NPU 自定义算子**，其中包括前序已提交的 **3 个 *_basis_gemm_fit 模型辨识算子**，以及本轮新增并保留的 **9 个诊断、整定、候选仿真、特征提取和评估类算子**。这 12 个算子共同覆盖 PID 整定主流程：模型辨识 → 模型诊断 → PID 参数生成 → 候选闭环仿真/评分/选优 → 候选特征提取 → 控制性能与过程能力评估。 > 重点（committer 第一眼）：本次正式合入范围已从早期探索口径收敛为 **12 个正式算子**。前序 3 个 *_basis_gemm_fit 辨识算子作为模型辨识基础能力保留，并补充 benchmark、docs/benchmark.md 与 README 描述；本轮新增并保留 9 个下游算子，补齐 PIDModelFit 从“能辨识模型”到“能诊断、能整定、能仿真选优、能验收评估”的完整工程链路。探索/历史原型算子不进入本次正式提交范围。 ## 算子清单（9 新 + 3 已有 = 12），按 PID 整定 6 阶段 1. **模型辨识**：pid_fopdt_basis_gemm_fit · pid_ipdt_basis_gemm_fit · pid_sopdt_basis_gemm_fit 2. **模型质量诊断**：pid_residual_diagnostics · pid_windowed_residual_diagnostics 3. **PID 参数生成**：pid_tuning_rule_batch（Ziegler-Nichols / IMC / Cohen-Coon） 4. **候选闭环仿真、评分与选优**：pid_fopdt_batch_rollout_score · pid_ipdt_batch_rollout_score · pid_sopdt_batch_rollout_score 5. **候选响应特征提取**：pid_step_response_features 6. **控制性能与过程能力评估**：pid_control_performance_metrics · pid_process_capability_metrics → 新增的 IPDT / SOPDT rollout 补齐了候选仿真阶段对 FOPDT / IPDT / SOPDT 三类模型的覆盖；三个 batch rollout 算子已融合候选特征、候选评分和 best 选择，直接输出每条回路的最优 PID 候选结果。 ## E2E 验证：算子有效且具备 NPU resident 链路价值（Ascend910B3 / node202 真编真跑） - **有效（精度）**：12/12 算子均提供 Python/CPU reference、精度测试或 NPU smoke/benchmark 入口；NPU 输出与 CPU reference 在 float32 容差内对齐。FOPDT 全链路 E2E 覆盖 fit -> tuning_rule -> fopdt_rollout -> performance_metrics，分阶段与 CPU reference 对齐，链路语义自洽。 - **高效（vs CPU 64 线程）**：模型辨识 pipeline 是最明确 NPU 价值点，MatMul + reduce resident e2e 约 28x-180x；三类 batch rollout 在典型候选规模下约 4x-7x；残差诊断、窗口残差、候选特征和指标类算子适合作为 NPU resident 后处理，避免中间轨迹回传 CPU。 - **工程定位清晰**：pid_tuning_rule_batch 算术强度较低，不作为单独性能卖点，但它支撑 E2E 中“模型参数 -> PID 候选”的 device 侧候选生成阶段；评估类算子推荐挂在 NPU resident 流水线后端使用。 ## 主要改动 - 9 个新增正式算子目录，均包含 op_host / op_kernel / examples / tests / docs / README 等标准交付件结构。 - 3 个前序 *_basis_gemm_fit 模型辨识算子作为基础能力保留，并补充 benchmark、README 和文档说明。 - common/ 提供 CPU / NumPy reference 与共享辅助实现。 - e2e/ 提供全链路验证驱动，包括 e2e_perf、e2e_orchestrator.py 和 build_e2e.sh。 - 顶层 docs/ 收敛为正式交付文档：design.md、test_report.md、pid_operator_catalog_by_purpose.md。 ## 验证环境 Ascend910B3，CANN toolkit，g++ 10.3.1 See merge request: cann/mat-chem-sim-pred!21 | 1 个月前 | |
feat(PIDModelFit): 新增 9个 PID 整定算子 + E2E 验证（系列共 12个，完整覆盖 PID 整定流程） Co-authored-by: liuhaidong<aliutec@163.com> # message auto-generated for no-merge-commit merge: !21 merge devin/1781921853-pid-modelfit-ops into master feat(PIDModelFit): 新增 9个 PID 整定算子 + E2E 验证（系列共 12个，完整覆盖 PID 整定流程） Created-by: haikuo Commit-by: liuhaidong Merged-by: cann-robot Description: ## Summary 本次为 **PIDModelFit** 算子系列提交：当前正式口径共 **12 个 NPU 自定义算子**，其中包括前序已提交的 **3 个 *_basis_gemm_fit 模型辨识算子**，以及本轮新增并保留的 **9 个诊断、整定、候选仿真、特征提取和评估类算子**。这 12 个算子共同覆盖 PID 整定主流程：模型辨识 → 模型诊断 → PID 参数生成 → 候选闭环仿真/评分/选优 → 候选特征提取 → 控制性能与过程能力评估。 > 重点（committer 第一眼）：本次正式合入范围已从早期探索口径收敛为 **12 个正式算子**。前序 3 个 *_basis_gemm_fit 辨识算子作为模型辨识基础能力保留，并补充 benchmark、docs/benchmark.md 与 README 描述；本轮新增并保留 9 个下游算子，补齐 PIDModelFit 从“能辨识模型”到“能诊断、能整定、能仿真选优、能验收评估”的完整工程链路。探索/历史原型算子不进入本次正式提交范围。 ## 算子清单（9 新 + 3 已有 = 12），按 PID 整定 6 阶段 1. **模型辨识**：pid_fopdt_basis_gemm_fit · pid_ipdt_basis_gemm_fit · pid_sopdt_basis_gemm_fit 2. **模型质量诊断**：pid_residual_diagnostics · pid_windowed_residual_diagnostics 3. **PID 参数生成**：pid_tuning_rule_batch（Ziegler-Nichols / IMC / Cohen-Coon） 4. **候选闭环仿真、评分与选优**：pid_fopdt_batch_rollout_score · pid_ipdt_batch_rollout_score · pid_sopdt_batch_rollout_score 5. **候选响应特征提取**：pid_step_response_features 6. **控制性能与过程能力评估**：pid_control_performance_metrics · pid_process_capability_metrics → 新增的 IPDT / SOPDT rollout 补齐了候选仿真阶段对 FOPDT / IPDT / SOPDT 三类模型的覆盖；三个 batch rollout 算子已融合候选特征、候选评分和 best 选择，直接输出每条回路的最优 PID 候选结果。 ## E2E 验证：算子有效且具备 NPU resident 链路价值（Ascend910B3 / node202 真编真跑） - **有效（精度）**：12/12 算子均提供 Python/CPU reference、精度测试或 NPU smoke/benchmark 入口；NPU 输出与 CPU reference 在 float32 容差内对齐。FOPDT 全链路 E2E 覆盖 fit -> tuning_rule -> fopdt_rollout -> performance_metrics，分阶段与 CPU reference 对齐，链路语义自洽。 - **高效（vs CPU 64 线程）**：模型辨识 pipeline 是最明确 NPU 价值点，MatMul + reduce resident e2e 约 28x-180x；三类 batch rollout 在典型候选规模下约 4x-7x；残差诊断、窗口残差、候选特征和指标类算子适合作为 NPU resident 后处理，避免中间轨迹回传 CPU。 - **工程定位清晰**：pid_tuning_rule_batch 算术强度较低，不作为单独性能卖点，但它支撑 E2E 中“模型参数 -> PID 候选”的 device 侧候选生成阶段；评估类算子推荐挂在 NPU resident 流水线后端使用。 ## 主要改动 - 9 个新增正式算子目录，均包含 op_host / op_kernel / examples / tests / docs / README 等标准交付件结构。 - 3 个前序 *_basis_gemm_fit 模型辨识算子作为基础能力保留，并补充 benchmark、README 和文档说明。 - common/ 提供 CPU / NumPy reference 与共享辅助实现。 - e2e/ 提供全链路验证驱动，包括 e2e_perf、e2e_orchestrator.py 和 build_e2e.sh。 - 顶层 docs/ 收敛为正式交付文档：design.md、test_report.md、pid_operator_catalog_by_purpose.md。 ## 验证环境 Ascend910B3，CANN toolkit，g++ 10.3.1 See merge request: cann/mat-chem-sim-pred!21 | 1 个月前 | |
feat(PIDModelFit): 新增 9个 PID 整定算子 + E2E 验证（系列共 12个，完整覆盖 PID 整定流程） Co-authored-by: liuhaidong<aliutec@163.com> # message auto-generated for no-merge-commit merge: !21 merge devin/1781921853-pid-modelfit-ops into master feat(PIDModelFit): 新增 9个 PID 整定算子 + E2E 验证（系列共 12个，完整覆盖 PID 整定流程） Created-by: haikuo Commit-by: liuhaidong Merged-by: cann-robot Description: ## Summary 本次为 **PIDModelFit** 算子系列提交：当前正式口径共 **12 个 NPU 自定义算子**，其中包括前序已提交的 **3 个 *_basis_gemm_fit 模型辨识算子**，以及本轮新增并保留的 **9 个诊断、整定、候选仿真、特征提取和评估类算子**。这 12 个算子共同覆盖 PID 整定主流程：模型辨识 → 模型诊断 → PID 参数生成 → 候选闭环仿真/评分/选优 → 候选特征提取 → 控制性能与过程能力评估。 > 重点（committer 第一眼）：本次正式合入范围已从早期探索口径收敛为 **12 个正式算子**。前序 3 个 *_basis_gemm_fit 辨识算子作为模型辨识基础能力保留，并补充 benchmark、docs/benchmark.md 与 README 描述；本轮新增并保留 9 个下游算子，补齐 PIDModelFit 从“能辨识模型”到“能诊断、能整定、能仿真选优、能验收评估”的完整工程链路。探索/历史原型算子不进入本次正式提交范围。 ## 算子清单（9 新 + 3 已有 = 12），按 PID 整定 6 阶段 1. **模型辨识**：pid_fopdt_basis_gemm_fit · pid_ipdt_basis_gemm_fit · pid_sopdt_basis_gemm_fit 2. **模型质量诊断**：pid_residual_diagnostics · pid_windowed_residual_diagnostics 3. **PID 参数生成**：pid_tuning_rule_batch（Ziegler-Nichols / IMC / Cohen-Coon） 4. **候选闭环仿真、评分与选优**：pid_fopdt_batch_rollout_score · pid_ipdt_batch_rollout_score · pid_sopdt_batch_rollout_score 5. **候选响应特征提取**：pid_step_response_features 6. **控制性能与过程能力评估**：pid_control_performance_metrics · pid_process_capability_metrics → 新增的 IPDT / SOPDT rollout 补齐了候选仿真阶段对 FOPDT / IPDT / SOPDT 三类模型的覆盖；三个 batch rollout 算子已融合候选特征、候选评分和 best 选择，直接输出每条回路的最优 PID 候选结果。 ## E2E 验证：算子有效且具备 NPU resident 链路价值（Ascend910B3 / node202 真编真跑） - **有效（精度）**：12/12 算子均提供 Python/CPU reference、精度测试或 NPU smoke/benchmark 入口；NPU 输出与 CPU reference 在 float32 容差内对齐。FOPDT 全链路 E2E 覆盖 fit -> tuning_rule -> fopdt_rollout -> performance_metrics，分阶段与 CPU reference 对齐，链路语义自洽。 - **高效（vs CPU 64 线程）**：模型辨识 pipeline 是最明确 NPU 价值点，MatMul + reduce resident e2e 约 28x-180x；三类 batch rollout 在典型候选规模下约 4x-7x；残差诊断、窗口残差、候选特征和指标类算子适合作为 NPU resident 后处理，避免中间轨迹回传 CPU。 - **工程定位清晰**：pid_tuning_rule_batch 算术强度较低，不作为单独性能卖点，但它支撑 E2E 中“模型参数 -> PID 候选”的 device 侧候选生成阶段；评估类算子推荐挂在 NPU resident 流水线后端使用。 ## 主要改动 - 9 个新增正式算子目录，均包含 op_host / op_kernel / examples / tests / docs / README 等标准交付件结构。 - 3 个前序 *_basis_gemm_fit 模型辨识算子作为基础能力保留，并补充 benchmark、README 和文档说明。 - common/ 提供 CPU / NumPy reference 与共享辅助实现。 - e2e/ 提供全链路验证驱动，包括 e2e_perf、e2e_orchestrator.py 和 build_e2e.sh。 - 顶层 docs/ 收敛为正式交付文档：design.md、test_report.md、pid_operator_catalog_by_purpose.md。 ## 验证环境 Ascend910B3，CANN toolkit，g++ 10.3.1 See merge request: cann/mat-chem-sim-pred!21 | 1 个月前 |
PidResidualDiagnostics
功能说明
PidResidualDiagnostics 面向 PID 模型辨识后的模型有效性检查。算子对 actual[B, N] 和 predicted[B, N] 计算残差基础指标、多 lag 自相关和 Ljung-Box 风格白噪声统计量：
residual = actual - predicted
metrics[B, 8], autocorr[B, max_lag]
该方向服务于“模型是否足够可信、残差是否仍有结构性动态”的工程问题。相比闭环递推，它主要是批量归约和相关性扫描，适合作为 NPU 侧模型辨识/评分流水线的后处理。
残差和误差的关系
在本算子里，残差采用固定符号约定：
residual[i] = actual[i] - predicted[i]
其中 actual 是实测过程输出，predicted 是辨识模型给出的预测输出。工程上常说的“误差”可以泛指实测值和预测值之间的差异；“残差”则特指在已经完成模型拟合之后，样本点上的 actual - predicted。因此残差可以看作模型辨识场景下的一种预测误差。
这个符号约定会影响 mean_residual 的解释：如果 mean_residual > 0，说明实测值整体高于预测值，模型平均预测偏低；如果 mean_residual < 0，说明模型平均预测偏高。mae、rmse 和 max_abs_residual 使用绝对值或平方，不受符号方向影响。
输入输出
| 名称 | 类型 | Shape | 说明 |
|---|---|---|---|
actual |
float32 | [B, N] |
实测输出 |
predicted |
float32 | [B, N] |
模型预测输出 |
metrics |
float32 | [B, 8] |
残差诊断指标 |
autocorr |
float32 | [B, max_lag] |
residual autocorrelation lag 1..max_lag |
metrics 顺序：
0 mean_residual
1 std_residual
2 mae
3 rmse
4 max_abs_residual
5 fit_percent
6 durbin_watson
7 ljung_box_q
指标含义：
| 指标 | 含义 | 工程解释 |
|---|---|---|
mean_residual |
残差均值 | 越接近 0 越好；明显偏正/偏负表示模型存在系统偏差 |
std_residual |
残差标准差 | 描述残差波动大小，越小表示预测误差越稳定 |
mae |
平均绝对误差 | 平均每个采样点偏差多少，直观且对尖峰不如 RMSE 敏感 |
rmse |
均方根误差 | 对大误差更敏感；若明显大于 MAE，通常说明存在尖峰误差 |
max_abs_residual |
最大绝对残差 | 最坏采样点偏差，用于发现局部异常或突变 |
fit_percent |
拟合优度百分比 | 越高越好；接近 100 表示模型解释了大部分实际变化，低于 0 表示比均值预测还差 |
durbin_watson |
一阶残差自相关诊断 | 接近 2 通常较好；小于 2 多表示正自相关，残差连续同向，模型可能漏掉慢动态或滞后 |
ljung_box_q |
多 lag 白噪声统计量 | 越小越好；过大说明残差仍有结构性相关，模型没有解释干净 |
常见使用方式是先看 fit_percent/rmse 判断误差总量，再看 mean_residual 判断偏差方向，最后结合 durbin_watson、ljung_box_q 和 autocorr 判断残差是否还存在可预测的动态结构。若残差诊断不通过，可以拒绝该辨识结果、扩大候选网格、切换 FOPDT/IPDT/SOPDT 模型族、重选数据窗口，或把后续 PID 参数整定降级为人工审核/保守策略。
当前定位
该算子是本次正式提交的模型诊断算子，用于 FOPDT/IPDT/SOPDT 模型辨识后的 device-side 残差质量检查。它与 fit 算子中的 SSE 不重复：SSE 只用于候选模型的最小二乘选优，残差诊断进一步判断误差是否有偏、是否自相关、是否接近白噪声，从而决定模型是否可直接用于后续 PID 整定。
node202 验证结论
当前版本已在 node202 / Ascend910B3 上完成 CANN 编译、ACLNN smoke 和 benchmark。中大规模下 kernel-only 与 e2e 均相对 CPU 64 线程有稳定收益，适合作为 NPU resident 模型辨识流水线的后处理。
代表性结果：
| B | N | max_lag | CPU 64T ms | NPU kernel ms | NPU e2e ms | e2e/CPU64T |
|---|---|---|---|---|---|---|
| 128 | 1024 | 16 | 0.468949 | 0.092059 | 0.442651 | 1.06x |
| 256 | 1024 | 32 | 1.39999 | 0.0552526 | 0.359782 | 3.89x |
| 512 | 2048 | 32 | 2.33311 | 0.075771 | 0.957573 | 2.44x |
| 1024 | 2048 | 64 | 8.62803 | 0.0683055 | 1.85133 | 4.66x |
详细记录见 benchmark 报告。